共计 626 个字符，预计需要花费 2 分钟才能阅读完成。
Python 模型超参数调优
1. 导读
本文将对超参数进行简要的解释，并举荐一本利用 Python 进行超参数调整的书籍，其中蕴含了许多超参数调整办法。
2. 超参数
在机器学习的上下文中，超参数是在开始学习过程之前设置值的参数，而不是通过训练失去的参数数据。通常状况下，须要对超参数进行优化，给学习机抉择一组最优超参数，以进步学习的性能和成果。
超参数的一些示例：
- 树的数量或树的深度
- 矩阵合成中潜在因素的数量
- 学习率（多种模式）
- 深层神经网络暗藏层数
- k 均值聚类中的簇数
超参数调整的好，对于晋升模型的相干性能有肯定的作用。
3. 书
超参数是构建有用的机器学习模型的重要元素。本书为 Python 超参数调整办法（机器学习最风行的编码语言之一）。除了深刻解释每种办法的工作原理外，还将应用决策图来帮忙确定满足需要的最佳调整办法。
这本书涵盖了以下令人兴奋的性能：
- 发现超参数空间和超参数散布类型
- 摸索手动、网格和随机搜寻，以及每种搜寻的优缺点
- 理解弱小的失败者办法以及最佳实际
- 摸索风行算法的超参数
- 理解如何在不同的框架和库中调整超参数
- 深刻理解 Scikit、Hyperopt、Optuna、NNI 和 DEAP 等顶级框架
- 把握可立刻利用于机器学习模型的最佳实际
实战
目前该书籍的 Github 仓库已有 70Star，正在持续增长。
本书还在 Github 中提供了许多实例，用于查看书中提到的所有示例的后果。
留言或私信小编，可支付《神经网络与深度学习》一书，帮忙小伙伴们更快入门深度学习。
本文由 mdnice 多平台公布
正文完